寧 亞 東， 章 博 雅， 丁 濤

( 大連理工大學 海洋能源利用與節(jié)能教育部重點實驗室, 遼寧 大連 116024 )

長江經(jīng)濟帶碳排放脫鉤狀態(tài)及其驅動因素研究

寧 亞 東*， 章 博 雅， 丁 濤

( 大連理工大學 海洋能源利用與節(jié)能教育部重點實驗室, 遼寧 大連 116024 )

CO2排放量與經(jīng)濟發(fā)展之間的動態(tài)關系是低碳經(jīng)濟建設中的重要指標．長江經(jīng)濟帶是我國“三大支撐帶”之一，對長江經(jīng)濟帶CO2排放與經(jīng)濟發(fā)展之間的動態(tài)關系進行研究非常必要．基于Tapio脫鉤模型和改進的加權因素分解模型，對長江經(jīng)濟帶1995～2013年經(jīng)濟發(fā)展與能源消費起源CO2排放之間的脫鉤關系及其驅動因素進行了研究，得到以下結論：長江經(jīng)濟帶三次產業(yè)能源消費起源CO2排放量約占全國排放總量的三分之一，1995～2012年間CO2排放總量逐年增加，2013年稍有下降，第二產業(yè)是CO2主要排放源，占三次產業(yè)CO2排放總量的80%左右；1996～2013年，長江經(jīng)濟帶CO2排放與經(jīng)濟發(fā)展之間動態(tài)關系在大多數(shù)年份處于弱脫鉤狀態(tài)，少數(shù)年份出現(xiàn)了強脫鉤和擴張性負脫鉤狀態(tài)；經(jīng)濟因素是阻礙CO2排放脫鉤的最主要因素，能源強度因素是促進CO2脫鉤的最主要因素，結構因素對CO2脫鉤也起阻礙作用，碳排放系數(shù)因素影響不穩(wěn)定．

長江經(jīng)濟帶；CO2排放；Tapio脫鉤模型；加權因素分解模型

0 引 言

隨著全球氣候變暖，CO2減排問題已成為世界各國關注的熱點問題．中國是CO2排放大國，經(jīng)濟增長對化石能源的依賴使中國2007年超過美國成為全球最大的CO2排放國，CO2減排任務十分艱巨．經(jīng)濟增長與碳排放兩者之間的動態(tài)關系近年來成為了能源經(jīng)濟領域研究關注的熱點．2015年我國政府首次把“一帶一路”、長江經(jīng)濟帶和京津冀協(xié)同發(fā)展明確為“三個支撐帶”．長江經(jīng)濟帶是我國除沿海開放地區(qū)外經(jīng)濟密度最大的經(jīng)濟地帶，人口和生產總值均超過全國的40%，對長江經(jīng)濟帶的經(jīng)濟發(fā)展與碳排放之間的關系問題進行定量研究十分必要．

脫鉤理論是研究經(jīng)濟發(fā)展與碳排放之間動態(tài)關系的一種有效方法．“脫鉤”概念最早應用于物理領域，表示具有響應關系的兩個或多個物理量之間的相互關系不再存在的狀態(tài)．2002年，經(jīng)濟合作與發(fā)展組織(OECD)將其引入資源環(huán)境領域，用“脫鉤”這一概念描述經(jīng)濟發(fā)展與資源消耗或環(huán)境壓力不同步變化的現(xiàn)象，提出了OECD脫鉤模型，將脫鉤劃分為“絕對脫鉤”和“相對脫鉤”兩種狀態(tài)[1]．Yu等用OECD脫鉤模型研究了1978～2010年中國CO2、SO2、粉塵及污水排放與經(jīng)濟發(fā)展之間的脫鉤關系[2]，De Freitas等和Muangthai等分別采用該模型研究了巴西經(jīng)濟發(fā)展與CO2排放之間的脫鉤關系及泰國火電部門總產出與CO2排放之間的脫鉤問題[3-4]．2005年，Tapio將彈性方法引入脫鉤研究，對15個歐盟國家的交通部門能源消費脫鉤狀態(tài)進行了對比分析，推動了脫鉤理論的進一步發(fā)展[5]，此后，這一方法在經(jīng)濟發(fā)展與資源消費或污染物排放的脫鉤研究中得到了廣泛應用．Nufar等基于Tapio脫鉤模型，比較了全球范圍內114個國家和地區(qū)的經(jīng)濟發(fā)展與交通部門CO2排放之間的脫鉤關系[6]．彭佳雯等也采用該模型研究了1980～2008年我國能源消費起源CO2排放的脫鉤情況[7]．Zhang等采用Tapio脫鉤模型研究了 “十五”和“十一五”期間我國30省區(qū)的GDP與資源消耗(水資源、能源)和污染物排放(CO2、 SO2和廢水)之間的脫鉤關系[8]，劉怡君等則采用Tapio脫鉤模型研究了2006年我國經(jīng)濟發(fā)展百強城市的GDP與能源消費之間的脫鉤關系[9]．馮博和梁日忠等分別采用Tapio脫鉤模型研究了我國各省建筑行業(yè)和化工行業(yè)的 CO2排放的脫鉤情況[10-11]．文獻[12]、[13]、[14]分別采用Tapio脫鉤模型研究了天津市、江蘇省和京津冀地區(qū)的經(jīng)濟發(fā)展與CO2為主的污染物排放之間的脫鉤關系．

國內外關于經(jīng)濟發(fā)展與CO2排放脫鉤關系的研究很多，但對于脫鉤驅動因素的研究較少，而在資源環(huán)境領域中，關于能源消費和CO2排放的驅動因素研究通常采用指數(shù)分解分析(IDA)．指數(shù)分解模型可以分為拉氏指數(shù)分解(Laspeyres index)和迪氏指數(shù)分解(Divisa index)模型，但是其均忽略了剩余項Δr，使得結果存在殘差，大大地影響了模型的精度．1998年Ang等在迪氏指數(shù)分解模型的基礎上提出了LMDI(logarithmic mean Divisa index)，并通過取對數(shù)平均對剩余項Δr進行分配，得到了可消除殘差的完全分解模型[15]．Sun則在拉氏指數(shù)分解模型基礎上提出了RLDM(redefined Laspeyres decomposition model)，根據(jù)“聯(lián)合生產，平均分配”的原則，將剩余項平均分配到各因素中，同樣也得到了可消除殘差的完全分解模型[16]．在此后關于能源消費與CO2排放驅動因素的研究中，LMDI分解模型和RLDM分解模型得到了廣泛的應用．2007年，Diakoulaki 等定義了新的脫鉤指數(shù)，用政府通過各種手段實現(xiàn)的CO2減排量和經(jīng)濟增長所導致的CO2排放增加量的比值來表示，并將RLDM分解模型應用到脫鉤驅動因素的研究中，對歐盟制造業(yè)的碳排放脫鉤驅動因素進行了研究[17]．徐盈之等也采用這種分析方法研究了中國制造業(yè)碳排放的脫鉤情況及其驅動因素[18]．Zhao和Zhang等也采用LMDI分解模型，分別研究了廣東省交通部門CO2排放的脫鉤情況及其驅動因素和我國經(jīng)濟增長與城鎮(zhèn)居民商品能源消費之間的脫鉤關系及其驅動因素[19-20]．Wang等將經(jīng)典的Tapio脫鉤模型與LMDI分解模型相結合，分析了中國經(jīng)濟增長與能源消費之間的脫鉤情況并研究了其驅動因素[21]．文獻[22]也采用相同的分析方法，研究了廣東省經(jīng)濟發(fā)展與能源碳排放之間的脫鉤關系及影響因素．趙愛文等研究了我國經(jīng)濟增長與碳排放之間的脫鉤關系及驅動因素[23]．

以上RLDM因素分解模型和LMDI因素分解模型雖然都能消除殘差，提高模型的精度，但這兩種分解模型在對剩余項Δr進行分配時均采用了算術平均的方法，然而各影響因素的作用并不是均等的，這種平均分配的方法不盡合理．因此，本文基于Tapio脫鉤模型和擴展的Kaya模型，引入權重的概念，提出一種改進的因素分解模型，對長江經(jīng)濟帶1995～2013年經(jīng)濟發(fā)展與CO2排放之間的脫鉤關系及其驅動因素進行研究．

1 研究方法

1.1 碳排放量的計算

本文研究對象為長江經(jīng)濟帶，包括上海、江蘇、浙江、安徽、江西、湖北、湖南、重慶、四川、貴州、云南9省2市．本文旨在研究長江經(jīng)濟帶的經(jīng)濟發(fā)展與CO2排放之間的脫鉤關系，經(jīng)濟發(fā)展衡量指標為GDP，CO2排放量則根據(jù)《中國溫室氣體清單研究》[24]所給出的方法進行推算，如下式所示：

(1)

式中：C為產業(yè)部門能源消費引起的CO2排放量，i代表三次產業(yè)，j表示能源品種，Ci,j為第i產業(yè)的j種能源消費所引起的CO2排放量；Ei,j表示第i產業(yè)中j種能源的消費量；fj表示j種能源的碳排放系數(shù)．能源消費品種中，火電和熱力的CO2排放量計算方法如下式所示：

(2)

式中：Ct和Ch分別表示火電生產部門和熱力生產部門的CO2排放量．Et,j和Eh,j分別表示火電生產部門和熱力生產部門j種能源的消費量．單位電力和熱力消費所排放CO2量，即電力與熱力部門的綜合CO2排放系數(shù)可用電力和熱力生產過程中所產生的CO2排放量除以終端能源消費中的電力和熱力消費量表示：

fe=Ct/Ee；fh=Ch/Eh

(3)

式中：fe和fh分別為電力和熱力的綜合CO2排放系數(shù)，Ee和Eh分別表示電力和熱力的終端消費總量．將所得的電力和熱力消費的CO2排放系數(shù)代入式(1)中，可以將能源轉換過程(火電和熱力生產)中產生的CO2排放量折算到終端消費中．

1.2 脫鉤指數(shù)的計算及其劃分

根據(jù)Tapio脫鉤模型的定義，GDP與CO2的脫鉤指數(shù)可以表示為

(4)

式中：Gt為目標年份GDP，Ct為目標年份的CO2排放量，Δ表示目標年份與基準年的差值．本文脫鉤指數(shù)的計算均以上一年為基準年．

本文將脫鉤指數(shù)劃分為6個脫鉤狀態(tài)，如表1所示．其中，強脫鉤(SD)表示GDP增長的情況下，CO2排放量反而出現(xiàn)了下降；弱脫鉤(WD)表示隨著GDP增長，CO2排放量也增長，但其增長速度比GDP增速慢；衰退性脫鉤(RD)表示GDP出現(xiàn)負增長的情況下，CO2排放量以更快的速度減少；強負脫鉤(SND)表示GDP出現(xiàn)下降的情況下，CO2排放量反而上升；弱負脫鉤(WND)表示GDP下降，CO2排放量減少，但是其減速慢于GDP下降速度；擴張性負脫鉤(END)則表示隨著GDP增加，CO2排放量以更快的速度增加．

表1 脫鉤指數(shù)及脫鉤狀態(tài)劃分

1.3 脫鉤驅動因素的分解模型

根據(jù)擴展的Kaya恒等式，影響CO2排放的因素可分解到經(jīng)濟因素(經(jīng)濟規(guī)模)、結構因素(產業(yè)結構)、能源強度因素(單位GDP能耗)和碳排放系數(shù)(單位能耗CO2排放量)4個因素上，如下式所示：

(5)

式中：Gi、Ei和Ci分別為第i產業(yè)的GDP、能源消費量和CO2排放量，G為GDP總量．則CO2排放量的增量ΔC可進行如下分解：

(6)

CO2排放量的增量ΔC可以分解到經(jīng)濟因素、結構因素、能源強度因素和碳排放系數(shù)因素4個因素上，但分解結果存在剩余項Δr，它是影響分解模型精度的主要因素．本研究提出了剩余項的權重分配法，按照各因素的權重將剩余項Δr分配到各因素中，如下式所示：

(7)

(8)

則經(jīng)濟因素導致的CO2排放變化量可以表示為

(9)

結構因素導致的CO2排放的變化量可以表示為

(10)

能源強度因素導致的CO2排放的變化量可以表示為

(11)

碳排放系數(shù)因素導致的CO2排放的變化量可以表示為

(12)

將式(9)～(12)代入式(4)，可得

(13)

2 數(shù)據(jù)來源

本文研究時間范圍為1995～2013年，GDP、能源消費量和CO2排放量為長江經(jīng)濟帶9省2市的數(shù)據(jù)之和．各省、市GDP數(shù)據(jù)來源于《中國統(tǒng)計年鑒》(1996～2014年)，為了消除價格因素的影響，GDP數(shù)據(jù)按2005年的可比價格折算．各省、市能源消費數(shù)據(jù)取自《中國能源統(tǒng)計年鑒》(1996～2014年)中的分地區(qū)能源平衡表．各種能源的CO2排放系數(shù)參考2006 IPCC Guidelines for National Greenhouse Gas Inventories Volume Ⅱ[25]．

3 研究結果與分析

3.1 碳排放量推算結果與分析

根據(jù)式(1)～(3)，可推算長江經(jīng)濟帶1995～2013年碳排放情況，結果如圖1所示．從圖中可以看出，長江經(jīng)濟帶三次產業(yè)碳排放量基本呈逐年增長趨勢，從1995年的7.50×108t增加到2012年的26.28×108t，尤其是自2001年我國加入WTO以后，增長速度明顯加快．進入“十二五”以后，CO2排放量增長趨勢減緩，在2013年CO2排放量還出現(xiàn)了下降，降為26.07×108t．從產業(yè)角度來看，第二產業(yè)是CO2排放的主要來源，占CO2排放量的80%左右．此外，第二產業(yè)CO2排放量的占比呈下降趨勢，從1995年的83.88%下降到2013年的77.59%，并且自2000年開始，第二產業(yè)CO2排放量的占比均低于全國同期水平．

圖1 1995～2013年長江經(jīng)濟帶三次產業(yè)CO2排放情況

第三產業(yè)CO2排放量的占比呈增長趨勢，從1995年的8.74%上升到2013年的19.72%．第一產業(yè)CO2排放量占比最少，且總體呈下降趨勢，從1995年的7.38%下降到2013年的2.69%．

3.2 碳排放脫鉤狀態(tài)分析

根據(jù)式(4)對1996～2013年長江經(jīng)濟帶GDP與CO2排放的脫鉤情況進行了計算，結果如表2所示．從表中可以看出，長江經(jīng)濟帶GDP與CO2排放的脫鉤關系多數(shù)年份表現(xiàn)為弱脫鉤狀態(tài)，部分年份出現(xiàn)強脫鉤狀態(tài)(1996、1999、2013年)和擴張性負脫鉤狀態(tài)(1997、2002、2005、2008、2009年)．總體趨勢上可分為3個階段．(1)1996～2001年，這一階段經(jīng)濟發(fā)展較為平穩(wěn)，GDP平均增速為10.17%，除1997年外，所有年份均處于弱脫鉤甚至強脫鉤狀態(tài)．(2)2002～2009年，經(jīng)濟迅速發(fā)展，GDP年均增長率高達12.67%，期間第二產業(yè)比重增加，第一產業(yè)比重迅速下降，CO2排放量快速增加．這一階段CO2排放與GDP之間的脫鉤指數(shù)居高不下，多年出現(xiàn)了擴張性負脫鉤狀態(tài)．(3)2010～2013年，進入“十二五”以后，碳排放增長趨勢減緩，脫鉤指數(shù)持續(xù)下降，2013年降至負值，出現(xiàn)強脫鉤狀態(tài)，說明這一階段長江經(jīng)濟帶低碳發(fā)展取得了一定成果．

3.3 脫鉤的驅動因素分析

由式(9)～(13)，可對長江經(jīng)濟帶1996～2013年GDP與CO2排放之間的脫鉤指數(shù)進行分解，分解結果如圖2所示．圖中各因素的脫鉤指數(shù)大于0時，說明該因素導致總脫鉤指數(shù)增加，脫鉤狀態(tài)向負脫鉤方向發(fā)展，則該因素對脫鉤起阻礙作用；當脫鉤指數(shù)小于0時，說明該因素導致總脫鉤指數(shù)減小，使脫鉤狀態(tài)向脫鉤方向發(fā)展，則該因素對脫鉤起促進作用．由圖可知，1996～2013年，經(jīng)濟因素對GDP與CO2排放的脫鉤一直起穩(wěn)定的阻礙作用．另一個對脫鉤起阻礙作用的是結構因素，在研究期間內其脫鉤指數(shù)一直為正值．主要原因是在1995～2013年間，CO2排放強度最大的第二產業(yè)的GDP比重呈較快上升狀態(tài)，由1995年的41.35%上升到2013年的53.45%，而CO2排放強度較低的第三產業(yè)GDP比重上升趨勢不明顯，由1995年的36.52%上升到2013年的40.15%，說明這些年來長江經(jīng)濟帶的產業(yè)結構調整并不利于其GDP與CO2排放的脫鉤．能源強度因素是長江經(jīng)濟帶GDP與CO2排放脫鉤的主要促進因素，在研究期間內，除2004和2005年，絕大多數(shù)年份的能源強度因素均為負值，即促使GDP與CO2排放之間的關系向脫鉤方向發(fā)展．碳排放系數(shù)因素主要受能源結構的影響，“低碳”化的能源結構將促使碳排放系數(shù)因素對脫鉤起促進作用．然而在本文研究范圍內，碳排放系數(shù)因素對脫鉤的影響并不穩(wěn)定，而且很多年份為正值，即對CO2排放的脫鉤起阻礙作用，尤其是2005年以后，只有2010年和2013年對脫鉤起促進作用，說明近年來長江經(jīng)濟帶的能源結構變化總體上并不利于CO2排放的脫鉤．

表2 1996～2013年長江經(jīng)濟帶CO2排放與GDP脫鉤情況

Tab.2 Variation of decoupling between CO2emission and GDP in Yangtze River economic belt in 1996-2013

年份ΔC/CΔG/G脫鉤指數(shù)脫鉤狀態(tài)1996-0.040.11-0.36SD19970.120.101.09END19980.040.090.61WD1999-0.050.08-0.37SD20000.020.090.46WD20010.020.090.36WD20020.100.101.17END20030.120.110.69WD20040.100.120.64WD20050.160.111.24END20060.110.120.92WD20070.090.130.79WD20080.060.111.11END20090.110.111.03END20100.110.120.79WD20110.080.110.84WD20120.030.100.48WD2013-0.010.09-0.50SD

圖2 1996～2013年長江經(jīng)濟帶脫鉤指數(shù)的因素分解

4 結 語

(1)1995～2012年，長江經(jīng)濟帶三次產業(yè)能源消費起源的CO2排放總量逐年增加，2013年稍有下降．第二產業(yè)CO2排放量占三次產業(yè)CO2排放總量的80%左右，第三產業(yè)次之，第一產業(yè)最少．

(2)1996～2013年，長江經(jīng)濟帶經(jīng)濟發(fā)展與CO2排放之間的脫鉤關系在大部分年份處于弱脫鉤狀態(tài)，部分年份出現(xiàn)強脫鉤和擴張性負脫鉤狀態(tài)．進入“十二五”后脫鉤指數(shù)持續(xù)下降，脫鉤狀態(tài)較好．

(3)在影響脫鉤的4個因素中，經(jīng)濟因素是阻礙長江經(jīng)濟帶CO2排放向脫鉤方向發(fā)展的最主要因素，結構因素也對CO2脫鉤起阻礙作用．能源強度因素是促進CO2脫鉤的最主要因素，碳排放系數(shù)因素影響不穩(wěn)定．

基于以上研究結果，適當減緩經(jīng)濟發(fā)展速度，推進產業(yè)結構調整，積極轉變經(jīng)濟增長方式，推動產業(yè)轉型與升級，提高能源利用效率，加快能源的清潔化和低碳化建設，走綠色低碳的發(fā)展道路，可有效推進長江經(jīng)濟帶的碳排放實現(xiàn)脫鉤．

[1] OECD. Indicators to measure decoupling of environmental pressure from economic growth [R]. Paris:OECD, 2002.

[2] YU Yadong, CHEN Dingjiang, ZHU Bing,etal. Eco-efficiency trends in China, 1978-2010: Decoupling environmental pressure from economic growth [J].EcologicalIndicators, 2013,24(1):177-184.

[3] DE FREITAS L C, KANEKO S. Decomposing the decoupling of CO2emissions and economic growth in Brazil [J].EcologicalEconomics, 2011,70(8):1459-1469.

[4] MUANGTHAI I, LEWIS C, LIN S J. Decoupling effects and decomposition analysis of CO2emissions from Thailand′s thermal power sector [J].AerosolandAirQualityResearch, 2014,14(7):1929-1938.

[5] TAPIO P. Towards a theory of decoupling:degrees of decoupling in the EU and the case of road traffic in Finland between 1970 and 2001 [J].TransportPolicy, 2005,12(2):137-151.

[6] NUFAR F, TAPIO P.DecouplingTransportCO2fromGDP[M/OL]. [2012-01-01]. http://www.utu.fi/fi/yksikot/ffrc/julkaisut/e-tutu/Documents/eBook_2012-1.pdf.

[7] 彭佳雯,黃賢金,鐘太洋,等. 中國經(jīng)濟增長與能源碳排放的脫鉤研究[J]. 資源科學, 2011,33(4):626-633.

PENG Jiawen, HUANG Xianjin, ZHONG Taiyang,etal. Decoupling analysis of economic growth and energy carbon emissions in China [J].ResourcesScience, 2011,33(4):626-633. (in Chinese)

[8] ZHANG Zilong, XUE Bing, PANG Jiaxing,etal. The decoupling of resource consumption and environmental impact from economic growth in China: spatial pattern and temporal trend [J].Sustainability, 2016,8(3):su8030222.

[9] 劉怡君,王 麗,牛文元. 中國城市經(jīng)濟發(fā)展與能源消耗的脫鉤分析[J]. 中國人口·資源與環(huán)境, 2011,21(1):70-77.

LIU Yijun, WANG Li, NIU Wenyuan. Decoupling research between economic development and energy consumption of China′s cities [J].ChinaPopulationResourcesandEnvironment, 2011,21(1):70-77. (in Chinese)

[10] 馮 博,王雪青. 中國各省建筑業(yè)碳排放脫鉤及影響因素研究[J]. 中國人口·資源與環(huán)境, 2015,25(4):28-34.

FENG Bo, WANG Xueqing. Research on carbon decoupling effect and influence factors of provincial construction industry in China [J].ChinaPopulationResourcesandEnvironment, 2015,25(4):28-34. (in Chinese)

[11] 梁日忠,張林浩. 1990年-2008年中國化學工業(yè)碳排放脫鉤和反彈效應研究[J]. 資源科學, 2013,35(2):268-274.

LIANG Rizhong, ZHANG Linhao. Decoupling effects and rebound effects in the Chinese chemical sector from 1990-2008 [J].ResourcesScience, 2013,35(2):268-274. (in Chinese)

[12] WANG Zhe, ZHAO Lin, MAO Guozhu,etal. Eco-efficiency trends and decoupling analysis of environmental pressures in Tianjin, China [J].Sustainability, 2015,7(11):15407-15422.

[13] ZHANG Ming, WANG Wenwen. Decouple indicators on the CO2emission-economic growth linkage:The Jiangsu province case [J].EcologicalIndicators, 2013,32:239-244.

[14] WANG Zhaohua, YANG Lin. Delinking indicators on regional industry development and carbon emissions:Beijing-Tianjin-Hebei economic band case [J].EcologicalIndicators, 2015,48:41-48.

[15] ANG B W, ZHANG F Q, CHOI K H. Factorizing changes in energy and environmental indicators through decomposition [J].Energy, 1998,23(6):489-495.

[16] SUN J W. Changes in energy consumption and energy intensity: A complete decomposition model [J].EnergyEconomics, 1998,20(1):85-100.

[17] DIAKOULAKI D, MANDARAKA M. Decomposition analysis for assessing the progress in decoupling industrial growth from CO2emissions in the EU manufacturing sector [J].EnergyEconomics, 2007,29(4):636-664.

[18] 徐盈之,徐康寧,胡永舜. 中國制造業(yè)碳排放的驅動因素及脫鉤效應[J]. 統(tǒng)計研究, 2011,28(7):55-61.

XU Yingzhi, XU Kangning, HU Yongshun. Driving factors and decoupling effect of carbon emissions:evidence from China′s manufacturing sector [J].StatisticalResearch, 2011,28(7):55-61. (in Chinese)

[19] ZHAO Yalan, KUANG Yaoqiu, HUANG Ningsheng. Decomposition analysis in decoupling transport output from carbon emissions in Guangdong province, China [J].Energies, 2016,9(4):295.

[20] ZHANG Ming, GUO Fangyan. Analysis of rural residential commercial energy consumption in China [J].Energy, 2013,52:222-229.

[21] WANG Wenwen, LIU Xiao, ZHANG Ming,etal. Using a new generalized LMDI (logarithmic mean Divisia index) method to analyze China′s energy consumption [J].Energy, 2014,67:617-622.

[22] WANG Wenxiu, KUANG Yaoqiu, HUANG Ningsheng,etal. Empirical research on decoupling relationship between energy-related carbon emission and economic growth in Guangdong province based on extended Kaya identity [J].TheScientificWorldJournal, 2014(5):782750.

[23] 趙愛文,李 東. 中國碳排放與經(jīng)濟增長間脫鉤關系的實證分析[J]. 技術經(jīng)濟, 2013,32(1):106-111.

ZHAO Aiwen, LI Dong. Empirical analysis on decoupling relationship between carbon emission and economic growth in China [J].TechnologyEconomics, 2013,32(1):106-111. (in Chinese)

[24] 國家發(fā)展和改革委員會應對氣候變化司. 中國溫室氣體清單研究[M]. 北京:中國環(huán)境出版社, 2005.

Department for Climate Change, National Development and Reform Commission.ThePeople′sRepublicofChinaNationalGreenhouseGasInventory[M]. Beijing:China Environmental Press, 2005. (in Chinese)

[25] IPCC.2006IPCCGuidelinesforNationalGreenhouseGasInventoriesVolumeⅡ [M]. Japan: Institute for Global Environmental Strategies, 2008.

StudyofdecouplingstatesofCO2emissionanditsdrivingfactorsinYangtzeRivereconomicbelt

NING Yadong*, ZHANG Boya, DING Tao

( Key Laboratory of Ocean Energy Utilization and Energy Conservation of Ministry of Education, Dalian University of Technology, Dalian 116024, China )

The relastionship between economic growth and CO2emission is an important indicator in the construction of low-carbon economy. Yangtze River economic belt (YREB) is one of China′s ″three supporting belts″. Thus, it is of great importance to study the relationship between economic growth and CO2emission in YREB. Tapio decoupling model and improved WCDM (weighting complete decomposition model) are applied to study the decoupling relationship between economic growth and CO2emission and its driving factors in 1995-2013 in YREB. The results show that: the three industrial CO2emission amount in YREB roughly increases year by year in 1995-2012 and decreases slightly in 2013 while taking one third of the total CO2emission amount of the whole country. The second industry is main resource of CO2emission accounting for about 80% of total amount. The relationship between economic growth and CO2emission shows weak decoupling state in most years of the study period, strong decoupling state and expansive negative decoupling state exist in the other years. The economic factor is the main factor leading to the negative decoupling state and the energy intensity factor is the most crucial factor facilitating the decoupling process. The economic structural factor prevents the economic growth decoupling from CO2emission and the effect of CO2emission factor is unstable.

Yangtze River economic belt; CO2emission; Tapio decoupling model; weighting complete decomposition model

1000-8608(2017)05-0459-08

2016-12-10；

2017-07-25．

國家自然科學基金資助項目(71573029).

寧亞東*(1966-)，男，教授，E-mail:ningyd@dlut.edu.cn；章博雅(1992-)，女，碩士生，E-mail:boyazhang1992@163.com；丁 濤(1986-)，男，博士生，E-mail:dingtao.129@hotmail.com.

X22

A

10.7511/dllgxb201705004